【技术实现步骤摘要】
本专利技术属于生物图像处理，尤其涉及一种基于迁移学习的弓形虫发育阶段诊断方法及系统。
技术介绍
1、深度学习或迁移学习辅助的人工智能技术在生物医学图像领域广泛应用，对于诊断、治疗和疾病研究发挥着至关重要的作用。在微生物病原体的诊断方面，这些技术同样发挥了关键作用。以covid-19大流行为例，深度学习技术在病毒检测、病例追踪、疫苗研发以及医疗管理等方面提供了宝贵的支持，帮助社会迅速应对这一全球危机。
2、病原微生物是一个多样的物种类群，由于在其结构、生命周期、感染方式和治疗方法等方面存在显著差异，因此它们被归为不同的类型，包括病毒、细菌和寄生虫。在这些类型中，弓形虫(toxoplasma gondii)是一种单细胞原生寄生虫，代表着原生动物中的一个重要类别。它在世界范围内广泛分布，可感染全球约30％的人群以及几乎所有的温血动物。尽管弓形虫通常不会在健康人中引发严重问题，但对于免疫系统有缺陷的人群、孕妇和儿童来说，可能会带来严重的后果，例如引起死亡、流产、胎儿畸形、死胎、斜视、失明、癫痫、精神运动或智力迟钝等。因此，对于特定高...
【技术保护点】
1.一种基于迁移学习辅助的弓形虫发育阶段的诊断方法，其特征在于，利用迁移学习和深度学习技术，对弓形虫的形态图像进行智能分类和发育阶段的预测；使用预训练的卷积神经网络模型作为基础模型，通过加载和冻结预训练模型层进行迁移学习，提取图像特征并进行分类；基于分类结果，使用预训练的目标检测模型再次进行图像检测，提取弓形虫的形状特征，最后使用机器学习模型完成对发育阶段的预测。
2.如权利要求1所述的基于迁移学习辅助的弓形虫发育阶段的诊断方法，包括以下步骤：
3.如权利要求2所述的基于迁移学习辅助的弓形虫发育阶段的诊断方法，其特征在于，所述步骤S1运用生物学...
【技术特征摘要】
1.一种基于迁移学习辅助的弓形虫发育阶段的诊断方法，其特征在于，利用迁移学习和深度学习技术，对弓形虫的形态图像进行智能分类和发育阶段的预测；使用预训练的卷积神经网络模型作为基础模型，通过加载和冻结预训练模型层进行迁移学习，提取图像特征并进行分类；基于分类结果，使用预训练的目标检测模型再次进行图像检测，提取弓形虫的形状特征，最后使用机器学习模型完成对发育阶段的预测。
2.如权利要求1所述的基于迁移学习辅助的弓形虫发育阶段的诊断方法，包括以下步骤：
3.如权利要求2所述的基于迁移学习辅助的弓形虫发育阶段的诊断方法，其特征在于，所述步骤s1运用生物学实验中的免疫荧光检测技术和光学显微诊断技术，以获取不同发育阶段弓形虫的形态图像数据，每个发育阶段均包括正例和反例图像集；所述步骤s2将调整不同发育阶段弓形虫的正例和反例图像集，采用80％的图片数据作为训练集，20％作为测试集，并存放于不同的文件路径下。
4.如权利要求2所述的基于迁移学习辅助的弓形虫发育阶段的诊断方法，其特征在于，所述步骤s3中数据增强器使用了tensorflow的imagedatagenerator类，允许对图像进行多种变换，以提高模型的泛化能力。
5.如权利要求2所述的基于迁移学习辅助的弓形虫发育阶段的诊断方法，其特征在于，所述步骤s4中选择使用训练模型，包括resnet50、inceptionv3、vgg16、densenet121、mobilenetv2和...
【专利技术属性】
技术研发人员：邹权，胡瑞思，张鑫，
申请(专利权)人：电子科技大学长三角研究院衢州，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。